腾讯把 agent 记忆做成三层：模型、框架、应用全开源

agent 的记忆基础设施又多了一个大厂级选项。腾讯混元开源的 Hy-Memory 2.0（1,985 星、Apache 2.0）做了三层：一个专门写记忆的模型、一套覆盖三个场景的框架、一个把各家 coding 应用的对话记录收拢到本地的桌面产品。

模型层是 Hy-Memory-30B-A3B：30B MoE，专为长期记忆写入与冲突调和做了归因强化学习训练（技术报告 arXiv 2610.22196，已被 EMNLP 2026 接收），另有 FP8 与 GGUF 量化版。框架层是 hy-memory SDK（PyPI 包），分三个任务场景：Chat 走 L0 到 L7 分层认知记忆，Working 管事实与可复用经验双层记忆，Coding 追踪版本演化 diff 链。应用层是 MemHub 桌面加 CLI（v1.0.6），统一管理 Claude Code、Cursor、Codex、OpenCode、Qwen Code 等应用的对话历史与 coding 痕迹，记忆写在本地。

架构上用双进程认知设计（System 1 加 System 2），Chat 记忆按 8 层组织（原始对话、原子事实、摘要、图式、前瞻意图等），带冲突调和与跨域图式归纳；只需一个 LLM 与一个 embedding 端点，任意 OpenAI 兼容服务都可接；提示词支持 11 种语言。

和社区小工具 claude-mem（跨应用记忆通用件）对照：定位完全不同，claude-mem 是社区方案，Hy-Memory 是大厂全套方案加专用记忆模型。和 NVIDIA 的 auto-ontology（给数据加语义层）对照：那篇是给数据加语义，这篇是给 agent 加记忆。

要提醒的边界：论坛帖作者称「量化到 8B 效果接近 30B」，README 只写了 FP8 与 GGUF 量化版已发布，未核验到 8B 这个数字；「效果达到开源框架第一」同样是帖子标题口径，未见独立榜单核验。MemHub 要读各应用的对话记录，用之前先确认它只读本地目录、不上传。30B-A3B 的记忆模型跑起来要显存，轻量用法是只接 SDK、用自己的 LLM 与 embedding 端点。